放回不等概率抽样-PPS抽样

一、数据描述
二、整群抽样
- 1. 抽样
- - （1）调用inclusionprobabilities函数定义每个总体单元的入样概率，第一个参数定义规模变量，第二个参数定义样本容量
  - （2）调用PPS抽样函数“UPmultinomial”,其参数为总体单元的入样概率变量。所得抽样结果s表示总体单元被抽中的次数。
  - （3）提取抽到的样本数据
- 2. 估计
- - （1）目标变量“acres92”的总值估计
  - （2）目标变量“acres92”的总值估计的标准差估计
  - （3）目标变量“acres92”的均值估计
  - （4）目标变量“acres92”均值估计的标准差估计

一、数据描述

agpop数据文件介绍：美国政府每五年做一次有关农业的普查，收集50个州的所有农场的有关数据。数据文件中共有3041个美国县级农场或与县级农场相当的农场数据。共有4个区域（region/rnum），50个州（state/snum）,以及3041个县（county/cnum）。
我们用到的变量有:
县（county/cnum）, 州（state/snum）, 区域（region/rnum）,
1992年每个县的耕地面积（acres92）, 1987年每个县的耕地面积（acres87）,
1992年每个县拥有的农场个数（farms92）。
目标变量为1992年的耕地面积（acres92）。

二、整群抽样

1. 抽样

抽样要求：以“farms92”为规模变量，采用PPS抽样（放回）抽取容量为300的样本。

（1）调用inclusionprobabilities函数定义每个总体单元的入样概率，第一个参数定义规模变量，第二个参数定义样本容量

# 1.抽样
data=read.csv("抽样技术数据文件.csv",header=T,sep=",");
n=300; #样本容量
N=length(data$acres92)#总数
pik=inclusionprobabilities(data$farms92,n);pik #定义每个单元的入样概率

运行结果：【复制粘贴到此处】

> pik=inclusionprobabilities(data$farms92,n);pik # 定义每个单元的入样概率[1] 0.1461000085 0.0671185936 0.1367346233 0.1526557781 0.0393346177[6] 0.2019801399 0.0769522481 0.2211791795 0.1039557753 0.0597823753[11] 0.0265352580 0.0407394254 0.0839762869 0.0163894240 0.0600945548......

结果解释：【对结果进行解释说明】
输出结果为每个数据的入样概率。

（2）调用PPS抽样函数“UPmultinomial”,其参数为总体单元的入样概率变量。所得抽样结果s表示总体单元被抽中的次数。

s=UPmultinomial(pik);s #调用PPS抽样函数

运行结果：【复制粘贴到此处】

> s=UPmultinomial(pik);s #调用PPS抽样函数[1] 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 3 0 0 0 0 0 1 0 0 0 0 0 0 0 0[37] 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 1 0 1 0 0 0 0 0 0 0 0[73] 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 1 1 0 0 0 0 0 0 0 0[109] 0 0 0 0 1 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0......

结果解释：【对结果进行解释说明】
输出结果为利用PPS抽样抽取的样本，“1”代表抽中的样本，“0”代表未抽中的样本。

（3）提取抽到的样本数据

data.pps=data[s!=0,];data.pps #提取抽到的样本数据

运行结果：【复制粘贴到此处】

> data.pps=data[s!=0,];data.pps #提取抽到的样本数据county cnum state snum acres92 acres87 acres82 farms92 farms87 farms82 largef92 largef87 largef82 smallf92 smallf87 smallf82 region rnum
6          ADAIR COUNTY    6    IA   12  401858  417178  419586    1294    1404    1508       52       42       31      101      102       95     NC    1
22         AIKEN COUNTY   22    IN   15  164025  173795  173605     963    1071    1165       18       15       15       55       55       67     NC    1
28        ALBANY COUNTY   28    PA   38  167863  184586  199590    1165    1355    1475        7        4        6       96      102      121     NE    2
......

结果解释：【对结果进行解释说明】
输出结果为所抽取到的样本数据的具体表述。

2. 估计

估计的目标变量为acres92的均值和总值，及其相应的标准误差

（1）目标变量“acres92”的总值估计

# 2. 估计
# 估计的目标变量为acres92的均值和总值，及其相应的标准误差
Z=pik[s!=0]/n; #计算每次抽样中每个样本单元被抽中的概率Zi,等于其包含概率除以样本容量n
Q=s[s!=0]; # 每个单元被抽中的次数
YHH=sum(data.pps$acres92/Z*Q)/n;YHH #目标变量“acres92”的总值估计

运行结果：【复制粘贴到此处】

> YHH=sum(data.pps$acres92/Z*Q)/n;YHH #目标变量“acres92”的总值估计
[1] 844942110

结果解释：【对结果进行解释说明】
目标变量“acres92”的总值估计值为844942110。

（2）目标变量“acres92”的总值估计的标准差估计

vars=(1/n)*(1/(n-1))*sum((data.pps$acres92/Z-YHH)^2*Q);
sqrt(vars);#目标变量“acres92”的总值估计的标准差估计

运行结果：【复制粘贴到此处】

> sqrt(vars);#目标变量“acres92”的总值估计的标准差估计
[1] 85799285

结果解释：【对结果进行解释说明】
目标变量“acres92”的总值估计的标准差估计值为85799285。

（3）目标变量“acres92”的均值估计

YHHm=(sum(data.pps$acres92/Z*Q)/n)/N; YHHm;#目标变量“acres92”的均值估计

运行结果：【复制粘贴到此处】

> YHHm=(sum(data.pps$acres92/Z*Q)/n)/N; YHHm;#目标变量“acres92”的均值估计
[1] 277850.1

结果解释：【对结果进行解释说明】
目标变量“acres92”的均值估计值为277850.1。

（4）目标变量“acres92”均值估计的标准差估计

varm=((1/N)^2)*(1/n)*(1/(n-1))*sum((data.pps$acres92/Z-YHH)^2*Q);
sqrt(varm);#目标变量“acres92”均值估计的标准差估计

运行结果：【复制粘贴到此处】

> sqrt(varm);#目标变量“acres92”均值估计的标准差估计
[1] 28214.17

结果解释：【对结果进行解释说明】
目标变量“acres92”均值估计的标准差估计值为28214.17。

放回不等概率抽样-PPS抽样相关推荐

抽样技术--不等概率抽样
文章目录不等概抽样放回不等概抽样 (只抽取一个样本单元的不等概抽样) 估计量有放回不等概整群抽样两阶段有放回不等概抽样多阶段有放回不等概抽样不放回不等概抽样两阶段不放回不等概抽样不等概 ...
android随机抽奖代码_用Excel实现不放回随机抽样
所谓随机抽样,简单理解,顾名思义就是从总体中随机抽取几个或几组个体.现实中常见的例子由抽奖.抽查.数据随机分组等. 它又可分为放回随机抽样和不放回随机抽样.不放回随机抽样是指每次随机取个体后不放回总体 ...
python 有放回随机抽取_Python 随机抽样
# -*- coding: utf-8 -*- import numpy import pandas data = pandas.read_csv( 'D:\\PDA\\4.9\\data.csv' ...
有放回随机抽样：重要参数subsample
原理透析确认了有多少棵树之后,我们来思考一个问题:建立了众多的树,怎么就能够保证模型整体的效果变强呢?集成的目的是为了模型在样本上能表现出更好的效果,所以对于所有的提升集成算法,每构建一个评估器,集 ...
pandas对dataframe的数据行进行随机抽样（Random Sample of Rows）：使用sample函数进行数据行随机抽样（有放回的随机抽样，replacement）
pandas对dataframe的数据行进行随机抽样(Random Sample of Rows):使用sample函数进行数据行随机抽样(有放回的随机抽样,replacement) 目录
pandas对dataframe的数据列进行随机抽样（Random Sample of Columns）：使用sample函数进行数据列随机抽样（有放回的随机抽样，replacement）
pandas对dataframe的数据列进行随机抽样(Random Sample of Columns):使用sample函数进行数据列随机抽样(有放回的随机抽样,replacement) 目录
R语言sample.int有放回或者无放回采样随机整数实战
R语言sample.int有放回或者无放回采样随机整数实战目录 R语言sample.int有放回或者无放回采样随机整数实战
asp .net mvc ajax 传值到后台，并放回JSon值解析
什么是 AJAX ? AJAX = 异步 JavaScript 和 XML. AJAX 是一种用于创建快速动态网页的技术. 通过在后台与服务器进行少量数据交换,AJAX 可以使网页实现异步更新.这意味 ...
组合数学-- 放回取样基础公式证明
放回取样用CR(m , r) 表示放回取样或者重复取样时一个m集合的r组合的数量,例如在允许放回取样的情况下,集合{a , b}的4个元素的组合可以得到下面的结果: {a,a,a,a}, {b,b, ...

放回不等概率抽样-PPS抽样

放回不等概率抽样-PPS抽样

一、数据描述

二、整群抽样

1. 抽样

（1）调用inclusionprobabilities函数定义每个总体单元的入样概率，第一个参数定义规模变量，第二个参数定义样本容量

（2）调用PPS抽样函数“UPmultinomial”,其参数为总体单元的入样概率变量。所得抽样结果s表示总体单元被抽中的次数。

（3）提取抽到的样本数据

2. 估计

（1）目标变量“acres92”的总值估计

（2）目标变量“acres92”的总值估计的标准差估计

（3）目标变量“acres92”的均值估计

（4）目标变量“acres92”均值估计的标准差估计

放回不等概率抽样-PPS抽样相关推荐

最新文章

热门文章